Modules and approaches in e-learning adaptive hypermedia

1. Modules and approaches in e-learning adaptive hypermedia Projekt: DP1 Vedúci: Anton Andrejko Michal Šimún PeWe Group @ FIIT STU BA

2. Dekompozícia AH • Komponent modelovania doménovej oblasti – sémantika domény • Komponent modelovania študenta – charakteristiky študenta • Riadiaci komponent – zabezpečenie procesov: • Modelovanie študenta • Personalizácie • Princíp architektúry M-V-C

3. Časti doménového modelu • Báza znalostí = graf knowledge domain elements • Informačný priestor= graf hypermadia documents • Štruktúra bázy znalostí: • knowledge domain elements(KDE) = množina atribútov, • relácií

4. Relácie medzi KDE (e-learning) • Prerequisite – • Outcome – • Tests – • Part_of – • Is_a - • Example –

5. Model študenta • Vedomosť používateľa: • Prekryvný model (takmer všetky AH), • NetCoach – vrstvový prekryvný model • Stereotypný (riešenie cold-start problem) • Reprezentácia vedomosti • Ostatné charakteristiky: • Cieľ výučby (goal-driven learning), • Stratégia výučby

6. Controller – 1.zodpovednosť • Inicializácia modelu používateľa: • Problém: nedostatku znalostí o študentovi • Väčšinou „nič nevieme“ • Riešenie: zdroj dát (test) -> analýza (návrh kritérií) -> stereotyp (návrh typov a vlastností stereotypov) -> prekryvný model (preddefinované typy) • Zmena modelu používateľa: • Problém: vhodné dáta, problém individuálneho učenia, reflexia nových znalostí (čo – attributes, kde – concepts, ako – difference)

7. Zmena UM – problém dát • Iba navštívené koncepty (čas má význam iba prahu, inač vo výučbe nikde) • Jediné riešenie: collaborative user modelling • Problém miery zapojenia používateľa • Spätná väzba: testy, označenie konceptov • Nápoveda používateľa: nepriame zapojenie – výber cvičenia, projektov • Priama zmena (adaptabilita)

8. Zmena UM – problém reflexie • Čo – vedomosť • Problém ako: • Najčastejší prístup testov: diskrétne úrovne • Pre spojité a pravdepodobnostné treba definovať prírastky – na základe výsledku • Ak neabsolvoval test podľa návštevy:

9. Zmena UM – reflexia Kde? • Problém: • Využitie relácie outcome • Pravidlový systém (AHA!) – definovanie dôsledkov zmeny každého atribútu (propagation) • Bayesova sieť (KBS) – Vrcholy tvoria koncepty a definovaný pravdepodobnostný model prechodov • F((koncept1,konwledge1),(koncept2, knowledge2))

10. Controller – 2. zodpovednosť • Personalizácia systému • Viacero známych a používaných techník: • Prispôsobenie prezentácie (obsahu a formy) • Prispôsobenie navigácie • Väčšina iba navigáciu – využitie relácie preq • Anotácia odkazov • Priame vedenie (goal-driven) • KBS – Vedenie pomocou projektov (project-driven) • Generovanie odkazov • Interbook – mapa odkazov (Glosár, Concept panel)

11. Hrubý návrh nášho systému • Zadanie: Vytvorenie AH s cieľom odporúčania príkladov individuálnym prístupom • Dodržanie opísanej architektúry (MVC) • Doménový model – príklady programovania, treba zvoliť doménu príkladov, • vychádza z existujúceho doménového modelu príkladov • Existujúce relácie: part_of (hasCourseModule), exercise (hasExercise), hasSourceCode, hasGoal • Potrebné rozšírenie relácií: tests, preq (možné ďalšie roly alebo váhy), outcome (takisto možná podpora váh)

12. Hrubý návrh nášho systému • Model používateľa: • Návrh vrstvového prekryvného modelu používateľa: • Navštívené koncepty – spolu s počtom návštev • Označené koncepty – explicitná spätná väzba • Odvodené koncepty – podpora propagation • Testované koncepty – spolu s výsledkom testu • Odhadovaná vedomosť – kombinácia nižších vrstiev, logiku zapúzdruje Controller • Súčasný model podporuje modelovanie záujmu (analýza jeho potreby a spôsobu odhadu?) • Otázka reprezentacie vedomosti – možnosť pravdepodobnostnéhomodelu úrovní znalostí

13. Hrubý návrh nášho systému • Controller – údržba UM • Inicializácia: pomocou stereotypov- • Všeobecné – expert, intermediate, beginer • Špecializované – podľa domény príkladov (napr. podľa paradigmy) • Výber na základe vstupného formulára (typ formulára??) • Priradenie prekryvného modelu každému stereotypnému • Zmena UM: zmena charakteristík aktuálneho konceptu: • Spodné vrstvy (okrem odvodenia, záujmu a vedomosti) priamočiaro

14. Hrubý návrh nášho systému • ?Vrstva záujem – zdroj: odkazy na doplňujúce (zložitejšie príklady), počet príkladov rovnakej problematiky • Vrstva odvodenia – pravidlový systém aplikovanie relácií outcome (výhoda váh a roly) • Vrstva vedomosti – stratégia zhora nadol: • Príklady pravidiel

15. Hrubý návrh nášho systému • Controller – tvorba modelu View • Základ Goal-driven choose: • Výber najvhodnejšieho príkladu na základe: vedomosti konceptov (zahrnutých v user goal a v nezahrnutých v goal, aby sa nemusel veľa učiť čo nechce) a goal (user goal a exercise goal) • Predpoklad – 2 možnosti • Podpora navigácie • Anotácia • Link generation, hiding • Prispôsobenie prezentácie • Stretchtext (hint) – môžeme použiť ako ďalší zdroj

16. Ďakujem za pozornosť